論文の概要: Adaptive Methods for Short-Term Electricity Load Forecasting During
COVID-19 Lockdown in France
- arxiv url: http://arxiv.org/abs/2009.06527v1
- Date: Mon, 14 Sep 2020 15:41:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 12:08:52.655834
- Title: Adaptive Methods for Short-Term Electricity Load Forecasting During
COVID-19 Lockdown in France
- Title（参考訳）: フランスにおけるcovid-19ロックダウン時の短期電力負荷予測のための適応的手法
- Authors: David Obst, Joseph de Vilmarest, Yannig Goude
- Abstract要約: 新型コロナウイルス(COVID-19)の感染拡大を受け、世界中の多くの政府が厳格なロックダウンを強制するよう促している。
この政策の結果の1つは、電力消費パターンの大幅な変化である。
本稿では,カルマンフィルタとファインチューニングを用いた適応型一般化加法モデルを導入し,新しい電力消費パターンに適応する。
- 参考スコア（独自算出の注目度）: 1.2891210250935146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The coronavirus disease 2019 (COVID-19) pandemic has urged many governments
in the world to enforce a strict lockdown where all nonessential businesses are
closed and citizens are ordered to stay at home. One of the consequences of
this policy is a significant change in electricity consumption patterns. Since
load forecasting models rely on calendar or meteorological information and are
trained on historical data, they fail to capture the significant break caused
by the lockdown and have exhibited poor performances since the beginning of the
pandemic. This makes the scheduling of the electricity production challenging,
and has a high cost for both electricity producers and grid operators. In this
paper we introduce adaptive generalized additive models using Kalman filters
and fine-tuning to adjust to new electricity consumption patterns.
Additionally, knowledge from the lockdown in Italy is transferred to anticipate
the change of behavior in France. The proposed methods are applied to forecast
the electricity demand during the French lockdown period, where they
demonstrate their ability to significantly reduce prediction errors compared to
traditional models. Finally expert aggregation is used to leverage the
specificities of each predictions and enhance results even further.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックは、世界中の多くの政府に対し、すべての必須でないビジネスが閉鎖され、市民が自宅に留まるよう命令される厳格な封鎖を強制するよう促している。
この政策の結果の1つは、電力消費パターンの大幅な変化である。
負荷予測モデルは、暦や気象情報に依存し、歴史的データに基づいて訓練されているため、ロックダウンによる重大な故障を捉えず、パンデミックの開始以来、パフォーマンスが劣っている。
これにより、電力生産のスケジューリングが難しくなり、電力生産者とグリッド事業者の両方にとって高いコストがかかる。
本稿では,カルマンフィルタとファインチューニングを用いた適応型一般化加算モデルを導入し,新しい電力消費パターンに適応する。
さらに、イタリアのロックダウンに関する知識は、フランスの行動の変化を予想するために移管される。
提案手法は,フランスのロックダウン期間中の電力需要予測に応用され,従来のモデルと比較して予測誤差を著しく低減できることを示した。
最後に、エキスパートアグリゲーションは、各予測の特異性を活用し、さらに結果を高めるために使用される。
関連論文リスト
- Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。
我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。
将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文 参考訳（メタデータ） (2024-04-08T09:13:16Z) - Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。
本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。
評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2023-07-14T06:50:02Z) - SaDI: A Self-adaptive Decomposed Interpretable Framework for Electric
Load Forecasting under Extreme Events [25.325870546140788]
自己適応型分解解釈フレームワーク(SaDI)という新しい予測フレームワークを提案する。
中央中国の電力負荷と公共エネルギーの計器の実験により、提案されたSaDIフレームワークは平均22.14%の改善が達成された。
論文 参考訳（メタデータ） (2023-06-14T07:11:30Z) - Interval Load Forecasting for Individual Households in the Presence of
Electric Vehicle Charging [0.0]
従来の内燃機関に代わる電気自動車(EV)への移行は、電気に対する社会的需要を増大させている。
本稿では,EV充電の有無を考慮した家庭用負荷予測のためのLong Short-Term Memory Bayesian Neural Networks (LSTM-BNN)を提案する。
その結果,提案するLSTM-BNNは,予測間隔の利点を生かして,点予測と類似した精度が得られた。
論文 参考訳（メタデータ） (2023-06-05T16:25:33Z) - An Asymmetric Loss with Anomaly Detection LSTM Framework for Power
Consumption Prediction [1.6156983514505385]
住宅セクターの電力消費パターンには変動や異常が含まれており、予測は困難である。
非対称な損失関数を持つ複数のLong Short-Term Memory (LSTM) フレームワークを提案する。
気候や社会要因の影響を考慮すると、フランス、ドイツ、ハンガリーの3つのデータセットで季節分割が行われる。
論文 参考訳（メタデータ） (2023-02-05T17:16:15Z) - Causal Effect Estimation with Global Probabilistic Forecasting: A Case
Study of the Impact of Covid-19 Lockdowns on Energy Demand [2.126171264016785]
外部介入の不確実性が電力需要に与える影響を分析する必要がある。
本稿では,介入の因果的影響分布を推定するために,ディープラーニングアプローチを用いる。
コビッド19のロックダウンがエネルギー消費に与える影響を事例として考察する。
論文 参考訳（メタデータ） (2022-09-19T09:39:29Z) - A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。
本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
論文 参考訳（メタデータ） (2022-05-20T22:13:25Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - The impact of online machine-learning methods on long-term investment
decisions and generator utilization in electricity markets [69.68068088508505]
電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。
最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。
また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
論文 参考訳（メタデータ） (2021-03-07T11:28:54Z) - The COVID-19 pandemic's impact on U.S. electricity demand and supply: an
early view from the data [0.0]
我々は2020年5月末までの電力データを分析し、電力需要と電力網のストレスを示す変数の両方を調査した。
その結果、パンデミックが電力需要に与える影響は、比較可能な時間枠からの単純な削減ではないことが示唆された。
外出禁止令の発令前後に見られた変更は、2020年5月までに復活したようである。
論文 参考訳（メタデータ） (2020-06-30T03:25:23Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。